免费：本项目所有代码开源，完全免费。 方便：解压即用，离线运行，无需网络。 批量：可批量导入处理图片，结果保存到本地 txt / md / jsonl 多种格式文件。也可以即时截屏识别。 高效：采用 PaddleOCR-json C++ 识别引擎。只要电脑性能足够，通常比在线OCR服务更快。 精准：默认使用PPOCR-v3模型库。除了能准确辨认常规文字，对手写、方向不正、杂乱背景等情景也有不错的识别率。可设置忽略区域排除水印、设置文块后处理合并排版段落，得到规整的文本。
01 下载Umi-OCR 软件本体含 简体中文&英文 识别库。 Github下载：https://github.com/hiroi-sora/Umi-OCR/releases/tag/v1.3.0 蓝奏云下载：（密码 1111 。请留意发布日期和版本号） https://wwn./b036wwa4d 使用源代码： main分支可能含有开发中的新功能。若您想使用稳定版本，建议切换到最新的Release分支。 安装依赖库：pip install -r requirements.txt 可直接运行 main.py 启动程序，或自己打包为exe。 项目使用pyinstaller打包。运行 to_exe.py 一键打包。 打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！ 打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！！ 打包后，请将引擎组件 PaddleOCR-json 整个文件夹 放置于exe同目录下！！！ 02 兼容性系统支持 Win10 x64 及以上版本。 CPU必须具有AVX指令集。常见的家用CPU一般都满足该条件。（出现初始化引擎失败等问题时请检查CPU是否兼容。）
03 前言关于忽略指定区域的特殊功能： 类似含水印的视频截图、含有UI/按钮的游戏截图等，往往只需要提取字幕区域的文本，而避免提取到水印和UI文本。本软件可设置忽略某些区域内的文字，来实现这一目的。 当有大量的影视和游戏截图需要整理归档，或者想翻找包含某一段台词/字幕的截图；将这些图片提取出文字、然后Ctrl+F是一个很有效的方法。这是开发本软件的初衷。 关于离线OCR引擎 PaddleOCR-json ： 对 PaddleOCR 2.6 cpu_avx_mkl C++ 的封装。效率高于Python版本PPOCR及部分Python编写的OCR引擎，通常比在线OCR服务更快(省去网络传输的时间)。支持更换Paddle官方模型（兼容v2和v3版本）或自己训练的模型，支持修改PPOCR各项参数。通过添加不同的语言模型，软件可识别多国语言。 04 简单上手准备 下载压缩包并解压全部文件即可。 截图识别 点击截图按钮或自定义快捷键，唤起截图识别。
多屏幕用户请注意 由于windows缩放对屏幕坐标系带来的影响，若外接多块屏幕，且缩放比例不一致时，可能导致Umi-OCR内置截图模块异常，如画面不完整、窗口变形、识别不出文字等。 若出现这种情况，请在系统设置里的【更改文本、应用等项目的大小】将所有屏幕调到相同数值。 若不想修改系统设置，软件还附带了第二套截图方案：调用windows内置的“截图和草图”来完成截图并唤起OCR。可在软件设置里切换。 若系统截图后不能唤起OCR，请确保系统能通过 win+shift+S 触发截图，且自动复制到剪贴板 的开关不能关闭（默认是打开的）。
粘贴图片到软件 在任何地方（如文件管理器，网页，微信）复制图片，软件上点击粘贴按钮，自动识别。
批量识别本地图片文件 将图片或文件夹拖进软件，批量转换文字。也可以点击按钮打开浏览窗口导入。 识别结果将保存到本地。可选生成纯文本txt文件、带链接Markdown文件、原始信息jsonl文件等不同格式。可配置任务完成后执行关机/待机。
05 文本块后处理（排版优化）OCR识别出的文本是按“块”划分的，通常一行文字分为一块，有时还会将一行误划分为多块，这给阅读带来了不便。文本块后处理就是对文本块进行再加工的过程，合并同一行或同一段落内的文字，按正确的顺序排序。 下图表示不同排版应该选用何种处理方案：
所有方案一览： 横排-优化单行 将误划分为多块的同一行文字合并到一行。 横排-合并多行-左对齐 将多个左对齐的行视为同一段落，合并文字。左侧未对齐或行距过大的行视为下一段落。 横排-合并多行-自然段 将多个左对齐的行视为同一段落，且第一行的开头允许多空出两个全角空格的宽度。 横排-合并多行-模糊匹配 只要垂直投影有重叠，行高一致，距离较近的文本块，视为同一段落。 竖排-从左到右-单行 / 竖排-从右至左-单行 优化竖排识别，合并同一行文字，按从左到右或从右到左的顺序输出每一行。注意，必须搭配支持竖排识别的模型库（识别语言）一起使用。 可视化预览： 可以在忽略区域编辑器内预览文本块后处理的效果。编辑器中以虚线框标出识别到、经过后处理的文字块。 这里仅仅是借用了编辑器来展示后处理的效果，实际运行任务时 忽略区域机制 早于 后处理机制 执行，不受后处理的影响。 06 忽略区域功能忽略区域是本软件特色功能，可用于排除图片中水印的干扰，让识别结果只留下所需的文本。 “忽略区域”是指图片上指定位置与大小的矩形区域，完全处于这些区域内的文字块，将被排除。 点击 设置 选项卡中的 打开忽略区域编辑器 ，进入编辑器窗口。 将任意图片 拖入 该窗口，可预览该图片。将新图片拖入窗口可切换预览，但已绘制的忽略区域不会消失；可切换不同图片来仔细调整忽略区域。 绘制 忽略区域 ：拖入图片后，点击选中左起第一按钮 +忽略区域 A ，然后在图片上按住左键拖拽，绘制矩形区域。可 撤销 步骤。 绘制完后，点击 完成 返回软件主窗口。若不想应用此次绘制，则右上角X，取消。 简单案例见下。 简单排除视频截图中的水印： 打开忽略区域设置窗口，拖入任一张截图。稍等约1秒，面板上会显示出图片，识别到的文字区域会被虚线框起来。发现右上角的水印也被识别到了。
点击选择 +忽略区域 A 。在画面上按住左键拖拽，绘制方框完全包裹住水印区域，范围可以大一些。可绘制多个方框。
点击 完成 。返回主窗口， 开始任务 。 排除游戏截图中的两种UI： 假设有一组游戏截图，主要分为两类图片，这两类图片的文字位置和UI位置不太相同：
甲类（上图左）为对话模式，字数少，要保留的台词文本在画面下方，要排除的UI分布于底端。 乙类（上图右）为历史文本模式，字数多，从上到下都有要保留的文本（与甲类UI位置有重合），要排除的UI分布在两侧。 拖入一张甲类图片。选择 +忽略区域 A ，绘制方框包裹住要排除的 底端UI 。可绘制多个方框。
拖入一张乙类图片。选择 +识别区域 ，绘制方框包裹住 小部分要保留的文本 。注意只要该区域内含有任意保留文本即可，不需要画得很大，不需要包裹住所有保留文本；不能与甲类图中 可能存在的任何文本 重合。
然后选择 +忽略区域 B ，绘制方框包裹住乙类图要排除的 两侧UI 。可绘制多个方框。
点击 完成 。返回主窗口， 开始任务 。 忽略区域处理逻辑： 忽略区域A ：正常情况下，处于 忽略区域A 内的文字 不会 输出。 识别区域 ：当识别区域内存在文本时，忽略区域A失效 ；即处于忽略区域A内的文字也 会 被输出。 忽略区域B ：当 忽略区域A失效 时，忽略区域B才生效；即处于区域A内的文字 会 输出、区域B内的文字 不会 输出。
“忽略区域配置”只针对一种分辨率生效。假如配置的分辨率是1920x1080，那么批量识别图片时，只有符合1920x1080的图片才会排除干扰文本；1920x1081的图片中的文字会全部输出。 拖入预览的图片必须分辨率相同。假如先拖入1920x1080的图片，再拖入其它分辨率的图片；软件会弹窗警告。只有点击 清空 删除当前已配置的忽略区域，才能拖入其他分辨率图片，并应用此分辨率。 07 进阶小技巧v1.3.0 后大部分设置项都在软件内有提示，鼠标悬停即可查看。因此README不再提供所有设置的详细说明。 以下是进阶操作说明。 自定义计划任务除了默认的自动关机/待机外，您还可创建自己的计划任务，让软件在完成一次批量识别后执行自定义cmd命令。 在软件关闭的情况下，打开配置文件 Umi-OCR_config.json 。也可以先打开软件，点击设置页最底部的 打开设置文件 ，然后退出软件。 在okMission中添加一项元素。 键为任务名称，值为字典，其中code为cmd命令。多条命令可用&分隔。例： "我的任务": {"code": "cmd命令1 & 命令2"}添加多国语言 方法一：下载 [Umi-OCR 多国语言识别扩展包] ，拷贝到软件目录即可。 扩展包内置语言：繁中,日,韩,俄,德,法 方法二：手动下载添加 PP-OCR 模型库 模型分为三种：det检测，cls方向分类，rec识别。其中det和cls是多语言通用的，只需下载新语言的rec识别模型即可。 前往 PP-OCR系列V3多语言识别模型列表 ，下载一组rec识别模型。 若V3模型列表里没有找到目标语言，可以去支持语言列表查看PPOCR有没有提供这种语言。若有，则可能它暂未推出V3模型，可以先使用旧版V2模型。（V3模型网址中的2.x一路换成更小的数字可以查看旧版页面） 前往 PP-OCR系列 字典列表 ，下载对应语言的字典文件。（但V3英文字典en_dict.txt不是本目录下的那个，而是在上一级目录） 将下载好的文件解压放进软件目录的 PaddleOCR-json 文件夹中。 复制一份 PaddleOCR_json_config_[模板].txt ，改一下名。（文件名不允许有非英文字符！） 打开复制好的 PaddleOCR_json_config_XX.txt ，将 rec路径 rec_model_dir 和 字典路径 rec_char_dict_path 改成目标语言的文件(夹)的名称。若模型库是v2版本，还必须加上一行 rec_img_h 32 。 回到上一层目录 Umi-OCR ，打开 Umi-OCR_config.json ，在 “ocrConfig” 中添加新语言的信息。键为语言名称，值的 path 为config txt文件的名称。保持json格式，注意逗号。（修改config.json文件时，请确保未打开软件，否则配置可能被覆盖。） 打开软件，检查设置页的识别语言下拉框是否已经能选择该语言。 添加到开始菜单 软件创建一个快捷方式 打开系统目录 C:\ProgramData\Microsoft\Windows\Start Menu\Programs ，将快捷方式扔进去。 添加到开机自启 软件创建一个快捷方式 打开系统目录 C:\ProgramData\Microsoft\Windows\Start Menu\Programs\StartUp ，将快捷方式扔进去。 添加到运行（Win+R） 在任何地方创建一个文件夹，名字随意，将该文件夹的路径加入系统环境变量。 软件创建一个快捷方式，改一个简短的名字，如umi。 将快捷方式扔进第1步的文件夹中。 任何时候按下Win+R，在弹窗中输入umi，即可打开软件。 提示：请不要起名为ocr，因为系统可能存在同名的注册路径，无法用此指令唤起第三方软件。 |
|
|
